基于UKF的旋转式SINS大方位失准角初始对准方法

旋转调制自补偿技术可以调制惯性元件的常值误差,从而提高惯性导航系统的导航精度。出于实际工程应用需求,研究了旋转式SINS大方位失准角初始对准方法。以单轴旋转式SINS为例,给出了单轴旋转式SINS大方位失准角非线性误差模型;根据系统误差模型的非线性特性,利用简化Unscented卡尔曼滤波(Unscented Kalman Filter UKF)算法,设计了系统的大方位失准角初始对准算法。数字仿真实验结果表明:在相同条件下,提出的UKF算法在收敛速度与对准精度方面均优于EKF算法;系统试验验证结果表明,采用本文提出的初始对准方法,系统的水平对准精度优于0.1′,方位对准精度优于1.5′,证明本文提出的初始对准方法在工程应用中是有效、可行的。     

双轴旋转式SINS非线性初始对准方法

双轴旋转调制技术可以实现全部惯性元件常值误差的自补偿,从而提高惯性导航系统的导航精度.以双轴旋转调制式SINS初始对准方法为研究对象,建立了双轴旋转式SINS大方位失准角非线性误差模型,利用简化Unscented卡尔曼滤波(UKF)算法,设计了双轴旋转式SINS大方位失准角初始对准算法,利用提出的UKF算法进行了方位失...     

基于参数识别的SINS/DVL初始对准方法

针对多普勒测速仪(DVL)辅助捷联惯导系统行进间对准时易受DVL量测噪声的影响,提出一种基于参数识别的SINS/DVL初始对准方法。首先,建立了基于DVL辅助的SINS行进间初始对准观测矢量模型,分析了DVL量测噪声对观测矢量的影响;然后,研究了观测矢量变化规律,建立了观测矢量参数识别模型,利用建立的参数识别模型,设计了基于自适应卡尔曼滤波的参数识别算法,并对观测矢量进行了重构,减小了DVL量测噪声对观测矢量的影响;最后,设计了仿真与跑车实验。实验结果表明,所提出的参数识别算法可以有效抑制DVL量测噪声对初始对准结果的影响。相较于传统方法,在载体运动条件下实现对准误差标准差小于0.1°。     

捷联惯导系统多位置对准研究

利用把线性时变系统作为分段常系数系统来研究其可观性的方法,对多位置静态捷联惯导系统的误差方程进行了可观性分析,并采用卡尔曼滤波技术,对平台误差角及测量元件误差进行了估计,给出了两位置及三位置的方差仿真曲线。仿真结果表明三位置对准提高了方位误差角及垂直陀螺误差的可观度,从而加速了它们的收敛速度,提高了系统的对准、标定精度。     

基于状态变换的DVL辅助SINS初始对准方法

针对传统捷联惯性导航系统（SINS）/声学多普勒测速仪（DVL）组合导航系统初始对准过程中模型不精确引起的对准效率低的问题,提出了一种基于状态变换的SINS/DVL初始对准方法。与传统的SINS/DVL匹配模式不同,所提方案采用了基于载体系速度信息的匹配模式,建立了基于载体系速度误差的SINS误差方程,提高了系统误差模型精度。并考虑SINS和DVL之间的安装关系,重新建立了SINS/DVL初始对准系统及量测方程。最后仿真及试验结果表明,所提出的基于状态变换的DVL辅助SINS初始对准方法能在粗对准不够理想且存在安装偏差角条件下完成高精度的初始对准,提高了初始对准的鲁棒性能,同时在对准过程中能够保持高精度的位置信息。     

基于强跟踪滤波器的SINS大失准角初始对准新方法

捷联惯性导航系统静基座初始对准时一般先进行粗对准,使失准角缩小到一定范围内从而满足小失准角假设下的线性误差模型,然后再进行精对准。在不进行粗对准时失准角一般为大角度,需要采用复杂的非线性误差模型和非线性滤波方法。研究发现通过设置合理的误差协方差矩阵初值,采用反馈校正滤波结构,并引入强跟踪滤波算法可以在大失准角情况下既无需粗对准,又无需采用非线性模型来实现精对准。仿真结果表明,该方法可以实现大失准角初始对准,鲁棒性好,在任意姿态初值下都可以使航向角在300 s内收敛到0.05°的理论极限精度,与小失准角精对准方法的速度和精度相当但省去了粗对准因而耗时更短,与无迹卡尔曼滤波在600 s时才收敛到0.5°的速度相比大为改善。     

基于自适应无迹粒子滤波的SINS大方位失准角初始对准

针对捷联惯导系统大方位失准的情况进行分析,提出了采用了自适应UPF滤波进行初始对准的方法。该滤波器基于强跟踪滤波器的思想,通过引入衰减记忆因子有效增强当前信息残差对系统的修正作用,在一定程度上降低了由于系统简化、噪声统计特性不确定对系统造成的影响,同时较好地克服了UPF中粒子退化的现象。当系统噪声统计特性确定时,自适应UPF水平对准时间比UPF对准时间大约少200 s,方位对准时间大约少150 s,对准结束后,自适应UPF对准的纵摇、横摇以及航向误差均值分别为?0.018?、0.0074?、?0.8609?,UPF对准对应的值分别为0.0209?、0.0189?、1.0983?。当系统噪声统计特性不确定时,自适应UPF水平对准时间比UPF对准时间大约少400 s,方位对准时间大约少450 s,对准结束后,自适应UPF对准的纵摇、横摇以及航向误差均值分别为0.0105?、0.0122?、?0.7304?,UPF对准对应的值分别为0.0454?、0.0278?、2.8174?。仿真结果表明:在系统噪声统计特性确定或不确定的情况下,自适应UPF能在一定程度上提高大方位失准捷联惯导系统的初始对准速度和对准精度。     

一种改进的粒子滤波算法在SINS初始对准中的应用

在实际工程环境中,针对捷联惯导系统(SINS)大失准角初始对准中噪声统计特性未知的问题,设计了一种基于H?滤波算法的鲁棒无迹粒子滤波算法(RUPF)。通过将无迹卡尔曼滤波算法(UKF)和鲁棒环节引入到粒子滤波(PF)的重要性密度函数中,得到了RUPF算法,提高了算法的鲁棒性。通过半物理实验,将RUPF算法与无迹粒子滤波算法(UPF)在SINS静基座大失准角对准中的性能进行了比较,在不同实验条件下,航向失准角精度至少提高了40%,对准精度优于0.05°,对准时间减少了约50 s。实验结果表明,RUPF算法可以以较高的精度和较快的速度完成大失准角初始对准,且对准精度和对准速度均优于UPF算法。     

GPS／SINS组合导航系统的动基座快速初始对准方法

—本文首先建立了ＳＩＮＳ的误差模型，并对系统模型进行了可观测性分析，然后基于ＳＩＮＳ误差模型的特点，通过对所采用卡尔曼滤波器仿真结果的分析，提出了一种快速估计方位失准角Ｄ的方法，从而大大缩短了初始对准时间，提高了对准速度。最后计算机仿真结果表明了该方法的有效性。     

一种改进的基于小波神经网络的SINS快速初始对准方法

捷联惯性导航系统静基座初始对准的可观测度低,采用卡尔曼滤波等最优滤波方法进行SINS初始对准时,方位失准角收敛慢且存在滤波器实时性较差的问题。对此提出了一种改进的基于小波神经网络的SINS静基座快速初始对准方法。该方法采用一个小波神经网络替代卡尔曼滤波器,利用该小波神经网络估计出两个水平失准角等SINS误差,然后利用两水平失准角快速收敛的估计结果,通过另一个小波神经网络对方位失准角直接进行快速估计。初始对准试验结果表明,该方法在保证对准精度的情况下大幅度地提高了SINS静基座初始对准的速度,同时也大大提高了系统状态估值运算的实时性。     

低成本捷联惯导系统初始对准方法

为了缩短低成本捷联惯导系统初始对准时间并提高对准精度,给出了一种基于微型电子罗盘的初始对准方法。首先利用电子罗盘辅助加速度计完成粗对准,然后,分别设计了自适应扩展卡尔曼滤波器和平淡卡尔曼滤波器（UKF）用于精对准。实验结果显示,在系统量测噪声方差阵未知时,在滤波器中加入自适应方法能有效的提高对准精度;而采用非线性滤波的UKF算法,即使在粗对准之后方向失准角比较小的情况下,也可获得比线性滤波更优的对准精度和快速性。     

基于加速度计余度配置的MEMS捷联惯导初始对准方法

初始对准性能是影响智能弹药姿态控制与弹道修正效果的重要因素之一。针对弹载MEMS捷联惯性导航系统,研究了一种基于常规捷联惯导系统结构的3轴加速度计斜装余度配置系统结构改进方案,以及该结构的系统在大俯仰角条件下的初始对准方法,并在高精度转台上进行了对准方法的实际性能验证。实验结果表明了MEMS惯导系统的改进结构与初始对准方法,在载体大俯仰角条件下提高初始对准精度与加速度计偏置稳定性的有效性。本文的研究可为弹载环境下的MEMS惯性导航系统提供理论研究与工程应用参考。     

基于逆向导航解算和数据融合的SINS传递对准方法

提出两种观点:1)可以使用一段惯性传感器数据完成捷联惯性导航系统(SINS)的初始对准;2)通过在数据融合中加入逆向—正向SINS解算结果和外部参考数据,可以缩短传感器误差的估计时间。基于以上两观点,旨在不改变卡尔曼滤波器的情况下,短时间内估计陀螺漂移的一种快速传递对准的方法。在一个参考数据更新周期内,储存了惯性传感器数据和参考数据,并且执行了逆向—正向捷联解算。与此同时,当相应的捷联解算结束后,执行数据融合算法。在上述的更新周期内,由于加入逆向—正向捷联解算,陀螺漂移估计操作增加了两次并且缩短了其估计时间。在舰船晃动的情况下,实验表明:与经典的方法相比,当两种方法的数据融合执行次数相等时,提出的方法缩短了对准时间,对准时间从300 s缩短到100 s;当对准时间相等时,方案1的纵摇、横摇和航向对准误差的均值分别为?0.6638、?0.5896、0.3941,其方差分别为1.0736、0.4629、2.1697,而方案2对应的均值和方差分别为?0.4632、?0.5026、0.3375和0.8828、0.3876、1.7289。由此可知,方案2的对准精度高于方案1。     

基于谱分解的SINS传递对准可观测度分析方法

针对舰载武器捷联惯导系统的快速精确传递对准问题,对"速度+姿态"匹配进行了简化,给出"速度+航向"匹配的传递对准模型。在此基础上,提出了一种基于Hermite矩阵谱分解的可观测度分析方法,该方法仅需要对阶数与系统状态维数相同的Hermite矩阵进行谱分解,算法简单。最后,应用该方法分别对三种匹配(速度匹配、"速度+姿态"匹配和"速度+航向"匹配)的系统状态进行可观测度分析。仿真试验结果表明:基于谱分解的可观测度分析方法是正确有效的,"速度+航向"匹配的对准精度在10 s内优于4′,能够实现捷联惯导系统的快速精确传递对准。     

舰载导弹惯导系统姿态变化量匹配法传递对准

针对捷联惯导系统的动基座传递对准问题,采用姿态变化量匹配法,在不依赖舰船自主机动运动而仅仅依靠外界风浪随机干扰的情况下,对系泊状态下的舰载导弹捷联惯导系统传递对准进行仿真研究。仿真结果表明:在三种海况下,姿态变化量匹配法可以使3个失准角估计在短时间内均达到要求精度;随着舰船摇摆频率和幅度的增大,失准角的估计精度会进一步得到提高。研究表明姿态变化量匹配法具有对准算法简单、对准速度快、精度高等优点;利用一定强度的风浪,通过该种匹配方法能够成功的解决动基座传递对准问题。     

基于外定位阻尼的捷联惯导算法设计

传统外阻尼惯导系统以外速度作为辅助参考,但在仅能提供外定位参考的条件下,为了避免由定位信号差分求取速度时造成噪声放大负面效应,推导了基于定位误差的罗经初始对准算法,并将它与捷联惯导姿态解算相结合,得到定位阻尼捷联惯导算法.该算法具有计算量小和稳定性好等优点,但与Kalman滤波组合导航相比,也有它自己的应用条件并存在一些不足之处.最后,利用GPS定位和激光捷联惯导系统进行了车载试验,验证了所提算法的有效性.     

激光陀螺速率偏频系统初始对准方法研究

针对速率偏频激光陀螺转动的工作特性，建立了新的系统误差方程，并在静基座条件下，采用卡尔曼滤波方法实现了系统的初始对准。仿真结果表明，这种初始对准方法对准速度较快，水平对准精度比抖动偏频系统提高了一个数量级，方位对准精度也有较大提高，并且对两个水平加速度计随机常值偏置有很好的估计效果。     

捷联惯导基于星体跟踪器的高精度初始对准算法

捷联惯导与小视场星体跟踪器构成惯性/天文组合导航系统,导航精度受导航初始误差和器件误差的综合影响。基于此,提出一种捷联惯导与小视场星体跟踪器相组合的初始对准算法,对导航初始姿态误差和惯性器件误差进行估计修正。捷联惯导初始对准过程完成之后,在地面准静基座条件下做速度和位置阻尼条件下的惯导更新解算,利用捷联惯导系统的速度误差量测及小视场星体跟踪器的导航误差角测量量,设计组合粗对准算法和组合精对准算法,用于对捷联惯导系统的初始对准误差和惯性器件误差做进一步有效估计。仿真结果表明:对中等精度导航级捷联惯导系统,组合对准后水平姿态精度可提高到2’’,方位精度可提高到5’’。